Рассматриваются методы и алгоритмы построения эконометрических моделей по пространственным, временным и пространственно-временным выборкам, методы оценки параметров моделей и проверки их значимости. Изложение регрессионного анализа начинается с классической двумерной и множественной линейной модели, которая в дальнейшем обобщается на условия мультиколлинеарности и нелинейности, гетероскедастичности и автокоррелированности регрессионных остатков. Рассматриваются также модели с переменной структурой, бинарного и множественного выбора, типологическая регрессия. Значительное место в учебнике отводится анализу временных рядов и системе одновременных уравнений. Для преподавателей, аспирантов и студентов экономических вузов, а также научных сотрудников, занимающихся применением методов эконометрики в социально-экономических исследованиях.

  Литрес - 206 руб.

Рекомендовано УМО по образованию в области статистики.

Предисловие
Глава 1. Эконометрические модели и особенности
их построения
1.1. Основные этапы построения моделей
1.2. Особенности выбора вида
эконометрической модели и входящих в нее
факторов
1.3. Место корреляционного анализа в
эконометрическом моделировании
1.4. Основы регрессионного анализа
1.5. Вопросы для самопроверки
Глава 2. Простейшая линейная модель регрессии
2.1. Оценивание параметров регрессии
2.2. Определение интервальной оценки для
бета нулевого
2.3. Определение интервальной оценки и
проверка значимости бета первое
2.4. Определение интервальной оценки для
условного математического ожидания
2.5. Модель регрессии в случае двумерной
нормальной генеральной совокупности
2.6. Вопросы для самопроверки
2.7. Задачи и тесты
Глава 3. Классическая линейная модель
множественной регрессии (КЛММР)
3.1. Нахождение оценки уравнения регрессии
3.2. Проверка значимости уравнения регрессии
3.3. Доверительные интервалы для
параметров линейной модели
3.4. Регрессионный анализ фондоотдачи
3.5. Вопросы для самопроверки
3.6. Задачи и тесты
Глава 4. Множественная линейная модель
регрессии в условиях мультиколлинеарности
4.1. Виды мультиколлинеарности и ее
последствия
4.2. Построение регрессионной модели в
условиях мультиколлинеарности без изменения
состава регрессоров
4.3. Отбор наиболее информативных
признаков для включения в модель
4.4. Переход к ортогонализованным признакам как
радикальный метод борьбы с
мультиколлинеарностью
4.5. Вопросы для самопроверки
Глава 5. Обобщенная линейная модель регрессии
5.1. Нарушения предпосылок построения
классической линейной модели. Обобщенный метод
наименьших квадратов
5.2. Линейная регрессионная модель в
условиях гетероскедастичности остатков.
Взвешенный метод наименьших квадратов
5.3. Линейная регрессионная модель с
коррелированными остатками
5.4. Примеры
5.5. Задачи и тесты
5.6. Вопросы для самопроверки
Глава 6. Эконометрические модели с переменной
структурой
6.1. Причины изменчивости структуры модели
6.2. Регрессионные модели с фиктивными
переменными....
6.3. Построение регрессионной модели по
панельным данным
6.4. Задачи и тесты
6.5. Вопросы для самопроверки
Глава 7. Нелинейные модели регрессии и их
линеаризация
7.1. Линеаризация нелинейных моделей
7.2. Гармонический анализ
7.3. Методы нелинейной оптимизации
7.4. Выбор формы модели. Подбор
линеаризующего преобразования (подход
Бокса-Кокса)
7.5. Виды ошибок спецификации
7.6. Преобразование случайного отклонения
7.7. Схема анализа нелинейных
эконометрических зависимостей
7.8. Задачи и тесты
7.9. Вопросы для самопроверки
Глава 8. Регрессионные модели с бинарными
результативными показателями
8.1. Логит- и пробит-модели
8.2. Модели множественного выбора
8.3. Тобит-модель
8.4. Задачи и тесты
8.5. Вопросы для самопроверки
Глава 9. Типологическая регрессия
9.1. Методы построения типологических групп
9.2. Функционалы качества разбиения
9.3. Иерархические кластер-процедуры
9.4. Примеры
9.5. Задачи и тесты
9.6. Вопросы для самопроверки
Глава 10. Анализ временных рядов и
прогнозирование
10.1. Введение в анализ временных рядов
10.2. Применение скользящих средних для
сглаживания временных рядов
10.3. Аналитическое выравнивание временных
рядов. Прогнозирование тенденции развития с
помощью моделей кривых роста
10.4. Статистический анализ и прогнозирование
сезонных колебаний
10.5. Использование адаптивных методов при
краткосрочном прогнозировании
10.6. Прогнозирование с помощью моделей
авторегрессии - проинтегрированного скользящего
среднего (моделей ARIMA)
10.7. Задачи и тесты
10.8. Контрольные вопросы
Глава 11. Системы одновременных уравнений
11.1. Виды и формы систем регрессионных
уравнений
11.2. Идентифицируемость систем
регрессионных уравнений
11.3. Методы оценивания параметров систем ре
грессионных уравнений
11.4. Пример идентификации эконометрической
модели рынка рекламы
11.5. Вопросы для самопроверки
Приложение. Математико-статистические таблицы
Литература

Мхитарян В.С.
Заведующий кафедрой математической статистики МЭСИ.